高度智能化市场的几点关键

陈劲

近年来，技术的重大改革引领全世界的新一次工业革命，以大数据、云计算、人工智能、区块链等技术为核心的智能化技术的发展不仅提升了生产效率，还逐步演变成新的生产方式和管理范式。作为全球科技强国，我国引领了全球智能化的浪潮，并在国家层面制定了相关宏观政策，例如“中国制造2025”的规划，坚持创新驱动、智能转型的基本策略。在企业层面，智慧企业的概念已经深入实践，形成了企业数字化改造和智能化应用之后的新型管理模式和组织形态，是先进信息技术、工业技术和管理技术的深度融合。在智慧企业的基础上，我国还在积极发展智慧城市、智慧市政等更大型的智能化工程，期望打造充满“科幻感”的未来智能化生态圈。

然而，智能化市场的演进并不是一帆风顺，基于大数据与人工智能的智能化市场是否能够形成有效的人机协同效应目前还是一个未知数。基于数据和算法的智能系统固然能大幅度提升工作效率、生产效率和管理效率，却也带来了类似人工智能发展过程中的伦理风险，中心化的数据处理方式在运作过程中如果受到攻击其保护机制是否完善，都是我们需要战胜的重大挑战。

智能化的内涵与特性

“智能”（Intelligence）一词早在五十年代就被研究人工智能的学者使用，是计算机学科的专业名词。我们所熟知的智能化市场，例如智能制造、智慧企业中的智能性，实际上是商业智能（Business Intelligence），也就是通过智能化系统达成生产、管理、决策等商业行为，商业智能化也可以被理解为把数据转变为信息然后再形成知识的过程。Davenport在2006年把商业智能化解释为使用智能系統进行的商业分析行为。智能化浪潮起源于20世90年代初期企业管理者对于分析数据来提升企业效率的需求，至今已经演变成一个跨学科、跨领域、跨行业的综合性研究议题。智能化市场的基础是数据管理，而数据管理又主要由数据收集、数据提取和数据分析组成。所以目前由企业组织主动收集数据并进行提取与分析的过程是如今主要的业态，也是智能化市场的早期阶段。在这个过程中，数据的收集是有目的性的、大量重复的，而数据提取与分析也是基于提前设计好的算法和流程，我们也可以定义为智能化1.0的阶段。

国内的互联网巨头阿里巴巴集团的数据中心早期就是一个由Oracle建设的单节点数据库，通过算法分析处理业务数据和决策数据。随后，阿里巴巴逐渐开始建设多节点数据集群，并形成基于onedata体系的公共层，形成集团电商数据体系，同时从超过5000个节点收集数据并提供数据分析、商业智能的解决方案。阿里巴巴集团的数据中心演化过程可以体现智能化1.0往智能化2.0阶段的过渡。智能化2.0阶段的主要特性是基于非结构化的数据内容，也就是通过多个网络节点收集与分析数据。通过网络化的智能系统来进行网络分析，收集用户生成内容的共享资源系统，共同形成了智能化2.0的生态雏形。

智能化3.0是未来的智能化市场发展趋势。随着智能手机和感应系统的普及，智能化3.0的数据来源更加分散化，数据更加海量，用途更为广泛。一方面来说，物联网的普及与应用可以搜集到很多原来不被人们关注的信息。通过RFID、二维码等传感设备，商家可以收集到整个消费流程中的所有数据信息，并把信息通过分析转化为知识。另一方面，智能化3.0的生态中，数据拥有地理位置、内容分类和个人偏好等特性，并且分布式储存在不同的终端中。当智能化3.0生态成熟以后，进入门槛降低，任何组织、政府部门、个人都可以通过移动终端实现个性化的智能需求，形成整合式的智能生态。字节跳动旗下的抖音短视频APP就是智能化3.0应用的典型案例。

智能化目前已经在各个领域中广泛应用，但是每个领域中的智能化程度是不同的。电子商务领域一直走在智能化的前端。由于电子商务本身与互联网的紧密联系以及电子商务企业对客户定位、精准营销的重要需求，让企业只有在不断地智能化创新中才能生存和发展。而对于科学研究领域来说，科学数据的格式规范，科学研究的演进性，都是未来智能化中必须跨越的鸿沟。

智能化的优劣以及建立竞争优势

高度智能化的市场既简单，又复杂。简单的是，一切决策都可以通过预设算法来进行，一切数据都可以通过传感器来收集，只要有了数据和算法，所有的商业行为都可以自主实施、自主运转、自主评估。然而，随着传感器数量的倍增和数据量几何级数式的增加，有效的数据分析和成本效率化的数据采集方式变得更加复杂。

1.智能化组织的优势

量化标准的准确考核。毋庸置疑，对于可量化的管理标准、考核标准、行为准则来说，智能化组织可以实时监测和考核这些标准，形成更高效的管理方案。对于制造型企业，产品的生产标准可以更加完善，作业流程更加严格，催生更高质量的产品和更高效的生产流程。对于医疗行业，智能化的应用可以更加准确地诊断、监测病情，提升治疗效率。在大数据的支撑下，量化标准的误差会逐步减少，直到形成理论上的最优化标准。

分布式管理的高效性。传统的科层制管理体系已经无法满足企业的需求。面对日新月异的动态市场和快速迭代的新技术，灵活应变是企业生存下去的唯一方式。而智能化组织可以通过智能系统协助管理者多点管理，跨时间、跨空间管理。对于简单、重复的工作内容可以使用KPI考核系统，而对于复杂、非量化标准的工作任务也可以帮助管理者剔除其中的重复信息，让管理者直接面对需要解决和决策的关键部分。另外，智能化组织可以让管理者的管理范围更广，汇总各部门的信息流，提升管理和决策的质量。

多节点协同创新的可能性。在科技经济全球化的环境下，实现以开放、合作、共享的创新模式，被实践证明是有效提高创新效率的重要途径。通过智能化组织的数据共享和多节点运作模式，更好地形成官、产、学、研的开放共享和深度合作，提升产业的综合竞争力。当智能化市场成熟以后，创新成为组织运作的第一生产力，国家创新政策也可以通过数据来评估其贯彻落实的情况。

2.智能化组织的劣势

专业化与个性化边界的混淆。随着智能化的发展，数据收集来源更加多元，个性化的数据在商业领域可以形成用户分析报告，但是在专业领域却变成了数据噪音。专业化组织需要符合要求的专业化数据和高精度的智能化分析才能研发出高质量的技术，而未来智能化市场中过量的非专业性数据可能会对研发效率起到负作用。当个性化数据过多时，专业数据得出的结果可能并不能满足大部分人的要求，所以需要在专业数据和个性化数据的用途、来源上作出严格区分。

数据安全产生新的问题。随着智能化市场的不断发展，数据安全问题也成为新的关注点。原有的数据安防技术大多基于传统的中心化数据库，却不能解决移动端、传感器端的数据安全隐患。多节点化的智能系统也导致任何一个节点都存在受到攻击的可能性，而日常维护每一个节点则又会带来额外的成本。随着智能手机的普及，大众数据的隐私和安全问题也开始显现。5G网络虽然加快网络传输速度并普及了网络化程度，但是也带来只要联网就存在风险，无形中增加了网络攻击者的“作战半径”。

数据收集产生额外成本。数据收集看似简单，实际上却流程繁杂。利用区块链技术溯源的场景已经在国内开始被应用，但是整个溯源的过程包括了从产品源头到市场的每一个节点，在每一个节点连接区块链技术所耗费的人力、物力往往超出想象。而区块链溯源技术带来的实质性影响目前也仅仅是产品质量和信用的提升，短期内并无法直接转化为利润或有形资产。同样，在使用传感器追踪物流、人流的商业行为中，每一个传感器的造价、维护和折旧都会给企业带来额外成本。当然技术创新都有较长的周期，成本高不能简单的作为不创新的理由。

智能化的伦理问题。智能化市场与人类社会的结合本身就是一个复杂并充满矛盾的过程，我们在建设智能化市场时也要重视人与机器之间的关系。首先，过于依赖智能会产生自动化偏见，认为智能分析得出的结果一定是正确的，但是我们仍然会碰到自动驾驶车辆撞死人的情况，可能仅仅因为智能系统突然死机而已。当智能系统的结果与人类社会的利益产生矛盾时，是否有相应的妥协机制？是以人类利益为主还是以“公正”的数据计算结果为主？另外，当智能化系统被广泛应用于社会时，应该形成有效的问责机制，确保当机器犯错误时也能找到责任承担者。当自动驾驶系统出问题时，我们应该对系统运营商、汽车制造商以及汽车测试工程师有相应的问责程序。

3.通过智能化建立竞争优势

对于组织来说，通过智能化来建立竞争优势取决于如何在正确的时间点上获得正确的信息，并传达到正确的人身上。从经济学的角度来说，是否能在商品销售的过程中获得最大利润是一个建立竞争优势的关键点。基于智能化3.0的商业分析可以轻松获得用户的消费习惯、消费能力等重要数据，并把数据转化为产品定价的重要知识依据。不仅如此，通过对消费者的分析分类，智能化组织可以建立对每一个用户的价格最优化策略，例如对价格不敏感用户的原价销售和对新用户的优惠活动。当然，以上基于数据的定价策略需要海量的历史数据、实时数据以及外部环境因素分析等复杂的综合性分析系统，任何错误可能导致完全相反的策略。而在非智能化的环境中，人们仅仅需要通过直觉和经验就可以得到差不多的结果，那么使用复杂的智能化系统的成本是否能被所带来的利润包含也需要组织不断地分析与磨合。

从管理学的角度来说，我们可以把智能化带来的优势完全套用在波特五力的战略分析上。针对波特五力模型中的各个影响因素，智能化的分析系统可以逐一追踪攻克，形成动态的市场竞争战略。举例来说，我们可以通过传感器来收集门店日流量、消费者高峰时段、热门商品等信息，从而生成买方消费行为分析报告。从买方消费行为分析报告中，我们可以准确获取消费者在不同时间段的消费需求（数据量足够大的情况下），并制定相应的供货、定价和增值服务策略。

然而，智能化的波特五力模型完全基于数据，那么数据的获取成本便成为了一个新的考量因素。一方面，市场中的所有参与者都想拥有关鍵的数据，那么对于数据获取的竞争成为了新的竞争“战场”，是否能够获取有价值的数据会影响组织的竞争力。当所有的市场参与者都获得相同的数据时，智能化带来的竞争优势也将会逐步减少。另一方面，数据的获取成本能否被所带来的利润包含成为组织管理的重要议题。当直觉和经验认为可以把一件衣服卖到200元时，通过智能化分析也许可以把这件衣服卖到205元，但是整套系统却耗资1000元，很显然此时的智能化系统的优越性值得商榷。所以，只有在智能化市场环境还未成熟之时，先行者可以获得较大优势，但却也增加了成本。而当智能化市场完全成熟以后，系统成本降低，但是带来的优势也将减少。

智慧企业的发展与展望

随着互联网、大数据、人工智能等信息技术发展进入新的阶段，企业所处的环境已经发生根本性的变化，智慧企业就是顺应智能化浪潮的企业管理新阶段。在智能化时代，企业管理人员需要在企业数据中挖掘价值，并转化成企业管理的有效资源，制定更准确的决策。

1.传统企业面临的问题

数据孤岛问题。近年来大部分企业信息化程度已大幅度提升，已经基本形成了数字化的运营管理模式。然而，如同阿里巴巴数据中心的早期架构一样，大部分传统企业还停留在中心化的数据库层面，通过手机结构化数据进行已有生产流程和运营规则的机械化执行。同时，企业的数据信息通常存储在各业务部门中心化的数据库中，库与库之间很难形成协同共享作用，难以形成部门间的协同创新效应。

信息碎片问题。在企业信息化发展的过程中，如何形成有效的企业内知识管理体系来避免由科层制管理体系所带来的碎片化信息问题是传统企业难以攻克的痛点。随着组织管理的扁平化发展，企业内的信息流愈发琐碎而难以收集整理。在部分关键部门的上下级信息传达中，碎片化信息甚至会带来信息不对称而影响组织决策系统隔离问题。传统的科层制管理组织制度，依赖于行政手段实行自上而下的集权管理，即按既定的指令，以行政手段去执行和完成既定任务。在这种管理模式中，企业被系统隔离，有员工被置于服从和执行的地位，自主性和创造性都受到影响。例如我国的制造型企业，在工艺水平、生产流程上由于长期的积累已经达到世界先进水平，但是却鲜有原创性的世界影响力产品，这与员工常年进行单一的流水线作业而导致的问题不无关系。